信度熵和基于其测量信息不确定性的冲突数据融合方法技术

本发明专利技术公开了一种信度熵和基于其测量信息不确定性的冲突数据融合方法，该方法首先采用BPA对不确定性信息进行建模，然后使用开放邓熵(ODE)度量BPA的不确定性。之后，计算每个证据函数的权重以修改概率密度函数。最后，使用Dempster的组合规则进行数据融合。该方法的数据融合结果对故障结论有较高的信度度支持，更有利于实际工程中的应用。更有利于实际工程中的应用。更有利于实际工程中的应用。

Trust entropy and conflict data fusion method based on uncertainty of its measurement information

【技术实现步骤摘要】
信度熵和基于其测量信息不确定性的冲突数据融合方法


[0001]本专利技术涉及数据处理
，特别涉及一种信度熵和基于其测量信息不确定性的冲突数据融合方法。

技术介绍

[0002]不确定的信息处理已应用于许多领域的复杂系统，例如传感器网络，模式识别和供应链网络管理。Dempster
‑
Shafer(DS)证据理论在处理不确定性信息方面具有良好的表现，例如可靠性评估，模式识别，决策制定以及其它。D
‑
S证据理论不确定性信息的来源包括：(1)焦点元素的概率密度函数，(2)空集的非零概率密度函数，(3)由可能不完整的识别框架(FOD)表示的不确定性信息。以前，许多学者提出了许多不确定性度量方法，它们可以不同程度地识别概率框架中不确定性信息的差异，并在不同领域得到了广泛的应用。作为最广泛使用的信息熵理论，香农熵已扩展到多种领域，受香农熵的启发，在证据理论的框架内，许多学者提出了从不同角度衡量证据不确定性的方法，例如Yager的不和谐测度，邓熵等。
[0003]在开放世界假设中，非零概率密度函数的空集意味着FOD是不完整的。不完整的不确定信息通过空集的非零概率密度函数建模，我们可以使用非零概率密度函数的空集来对开放世界中的不完整信息进行建模。因此，合理的措施不仅应考虑由非零概率密度函数的空集引起的不完全信息，还应考虑FOD的不确定性，不确定性测度可以在开放世界假设中应用。
[0004]Dempster
‑
Shafer证据理论具有如下定义：
[0005]定义1：区分框架Ω被定义为包含N个互斥事件的子空间
‑
空集，其特定表达式如下：
[0006]Ω＝{θ1，θ2，...，θi，...，θN}
ꢀꢀꢀ
(1)
[0007]定义2：由2N个元素组成的Ω功率集，表示为2
Ω
，定义如下：
[0008]2Ω
＝{φ，{θ1}，{θ2}，...，{θN}，{θ1，θ2}，...，{θ1，θ2，θi}，...，Ω}
ꢀꢀꢀ
(2)
[0009]定义3：对于Ω，基本概率分配(BPA)(或概率密度函数)为映射m：2
Ω
→
[0，1]，其满足以下属性：
[0010][0011]如果m(A)＞0，则子集A被称为焦点元素，而m(A)＞0是命题子集A的概率密度函数值。
[0012]定义4：证据主体(BOE)是基于FOD，FOD功率集和概率密度函数的不确定信息的组成单元。ABOE是命题子集和相应概率密度函数的二进制组，定义为：
[0013][0014]定义5：对于Ω，信度函数Bel或似然函数Pl被定义为：
[0015][0016][0017]定义6：在Dempster
‑
Shafer(DS)证据理论中，Dempster的组合规则可以融合两个独立的概率密度函数m1和m2：
[0018][0019]其中k是定义的归一化因子，如下所示：
[0020][0021]值得注意的是，DST的经典定义是在封闭世界中定义和使用的。
[0022]定义7：在开放世界假设中扩展了邓普斯特的合并规则。空集与空集的交集仍然是空集，满足条件φ1∩φ2＝φ。给定两个BPA(m1和m2)，广义组合规则定义如下：
[0023][0024][0025]m(φ)＝m1(φ)
·
m2(φ)
ꢀꢀꢀ
(11)
[0026]当且仅当K＝1
ꢀꢀꢀ
(12)
[0027]作为最广泛使用的信息熵理论，香农熵已扩展到许多领域，例如复杂网络中的网络熵和生物信息领域中的基因扩增分析。香农熵定义为：
[0028][0029]其中N是基本状态的数量，pi是状态i的概率，并且pi被满足
[0030]邓熵是基于香农熵所提出的，邓熵定义为：
[0031][0032]其中|A|表示命题A的基数。与其他方法相比，邓熵具有一些优势。但是，邓熵也有一些明显的缺点。例如，邓熵没有考虑FOD的大小和不同命题子集的相交的影响，它不能应用于不完整的FOD。
[0033]Cui等人的熵作为对邓熵的改进提出。与邓熵相比，Cui改进的熵考虑了FOD大小和不同命题子集的交集的影响。Cui等人的熵定义为：
[0034][0035]其中|A|表示命题A的基数，X是识别框架，|X|表示识别框架中的特定元素编号，而|A∩B|是A和B的交集的基数。
[0036]尽管Cui等人的熵是针对邓熵进行优化的，但Cui等人的熵仍然存在一些明显的问题，例如缺乏亚可加性、可加性和单调性。

技术实现思路

[0037]针对现有技术存在的上述问题，本专利技术的目的是：提供一种在不确定的环境中基于ODE的传感器数据融合信息融合方法。这种方法通过对传感器数据融合实验的验证，证明了ODE的合理性和有效性及其在不确定信息融合中的应用。
[0038]为解决上述技术问题，本专利技术采用如下技术方案：一种信度熵，构建开放邓熵ODE，定义如下：
[0039][0040]其中，E
ode
表示不确定度，X是辨识力的框架，|X|表示在FOD中标识的元素数，|A|表示命题A的元素数，D的开放世界特征因子是证据理论，通过开放世界的特征因子，ODE可以包括空集的非零概率密度函数和由辨识框架FOD的可能缺陷表示的不确定信息；
[0041]开放世界特征因素的基础如下：参数m(φ)代表空集的概率密度函数的值，参数|X|是FOD的电位。
[0042]一种基于信度熵测量信息不确定性的冲突数据融合方法，所述信息熵如上所述；该方法包括如下步骤：
[0043]S101：在Dempster
‑
Shafer证据理论的框架内，使用基本概率指派函数对不确定信息进行建模；
[0044]S102：使用权利要求1构建的开放邓熵ODE测量BPA建模后的不确定性信息，对应于开放邓熵ODE的不确定度的计算如下：
[0045][0046]S103：计算每个基本概率指派函数的权重，并根据权重修改概率密度函数，每个基本概率指派函数的权重可以根据E
ode
的值进行计算，具体公式如下：
[0047][0048]作为证据融合之前的数据预处理，每个命题的加权概率密度函数应按权重计算，重量概率密度函数质量计算如下：
[0049][0050]S104：使用Dempster的组合规则进行数据融合，每个命题A的合并结果可以通过(n
‑
1)Dempster的合并规则获得：
[0051][0052]相对于现有技术，本专利技术至少具有如下优点：
[0053]本专利技术方法能够对非完备信息进行不确定性测度，能够管理非完备信息的不确定性，同时还能够实现包含非完备信息的不确定信息融合。
附图说明
[0054]图1为基于ODE的传感器数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信度熵，其特征在于：构建开放邓熵ODE，定义如下：其中，E
ode
表示不确定度，X是辨识力的框架，|X|表示在FOD中标识的元素数，|A|表示命题A的元素数，D的开放世界特征因子是证据理论，通过开放世界的特征因子，ODE可以包括空集的非零概率密度函数和由辨识框架FOD的可能缺陷表示的不确定信息；开放世界特征因素的基础如下：参数m(φ)代表空集的概率密度函数的值，参数|X|是FOD的电位。2.一种基于信度熵测量信息不确定性的冲突数据融合方法，其特征在于：所述信息熵如权利要求1所述；该方法包括如下步骤：S101：在Dempster
‑
Shafer证...

【专利技术属性】
技术研发人员：唐永川，刘春燕，杨彬，甘定怡，雷晏，谢欢，
申请(专利权)人：重庆大学，
类型：发明
国别省市：